MétaCan
Menu
Retour à la cohorte
Enregistrement W4404814773 · doi:10.1016/j.jclepro.2024.144350

Circular economy international trade: An investigation of the relationship between european union circularity and international trade

2024· article· en· W4404814773 sur OpenAlexaff
Deborah de Lange

Notice bibliographique

RevueJournal of Cleaner Production · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensTed Rogers Centre for Heart Research
Organismes subventionnairesnon disponible
Mots-clésInternational tradeEuropean unionEconomicsCircular economyInternational economicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Through increased international trade, circularity can be economically effective, motivating countries and industries to engage in circularity, which is urgently required to improve environmental outcomes. Therefore, this study empirically investigates whether higher national circularity can drive international trade in waste and scrap. This study builds on and tests previous theory on circular economy international trade using a large balanced panel dataset from all 27 European Union countries over 2011–2016. This study focuses on the factors—circular economy policy, circular research and innovation, or both—that influence countries' circular capabilities when trade is attractive. This study quantitatively explores drivers of circularity to facilitate the international trade of waste and scrap, including chemicals, metals, and plastics originating in the European Union, where circular material use rates are tracked. The findings reveal that circularity provides economic benefits through increased international trade. Additionally, policy and innovation factors increase a nation's circularity. This study builds on a growing research stream in circular economy international trade. • This study empirically investigates drivers of national circularity on waste trade. • The study employs large-scale quantitative analysis of EU data over several years. • Waste and scrap include chemicals, metals, and plastics originating in the EU. • Circularity provides economic benefits through increased international trade. • Empirical evidence reveals an export-magnification effect of offshoring.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,250
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cleaner ProductionMême sujetSustainable Supply Chain ManagementTravaux en français237 207